SOMA: Stack-of-Objects Manipulation using a Quadruped Robot
中文摘要
由模型生成 · 人工抽检SOMA 提出分层强化学习框架，让无专用机械臂的四足机器人用全身非抓取方式推动多层物体堆叠。高层策略用 S5 编码器做长时序推理并输出目标指令，低层运动策略动态调整腿部站姿，并显式控制机身高度实现三维推运。仿真单物体重定位成功率 90.3%，双箱堆叠达 90.1%，并在 Unitree Go1 上完成零样本 sim-to-real 验证。
全文
已译中文[Submitted on 14 Oct 2026]
标题：
SOMA: Stack-of-Objects Manipulation using a Quadruped Robot
查看题为 SOMA: Stack-of-Objects Manipulation using a Quadruped Robot 的论文 PDF，作者为 Stergios E. Bachoumas 和 Panagiotis Artemiadis
查看 PDF
HTML（实验性）
摘要：
在不可预测的环境中执行重载物理操作，对于缺乏专用操作器的四足机器人而言仍是一项重大挑战。本文提出 SOMA，一种用于四足机器人对多物体堆叠进行全身非抓取式操作的分层强化学习框架。与传统方法局限于二维平面推动不同，SOMA 集成了显式的机器人基座高度控制，解锁了完整的三维推动策略。这一能力使四足机器人能够将复杂载荷堆叠作为一个统一系统进行操作，同时防止上层的相对滑动或倾覆。该架构将控制分解为高层操作策略与低层运动策略：前者使用简化结构化状态空间序列（S5）编码器对长时程时间历史进行推理，并通过 Beta 分布预测有界的目标跟踪指令；后者动态调整腿部支撑构型。在大规模仿真基准测试中，SOMA 在严格的误差裕度（$0.05\text{ m}$ 位置误差、$1^\circ$ 姿态误差）下，单物体重定位成功率达到 $90.3\%$，动态双箱堆叠成功率最高达 $90.1\%$。最后，我们在 Unitree Go1 四足机器人上验证了零样本 sim-to-real 迁移，覆盖多种载荷质量与几何形状，展示了在重载推动任务中主动调整基座高度以保持牵引力与平衡的能力。
提交历史
来自：Stergios Evangelos Bachoumas [
查看邮件
[v1]
2026年10月14日 星期三 21:43:14 UTC（5,239 KB）
本译文由模型自动生成，仅供参考与快速理解；涉及数字、版本、命令、法律条文等请以原文为准。
原文附件
2 个 · 均跳转原站，本站不托管文件正文为原站公开内容的抓取与清洗结果，英文条目附模型生成的中文译文；两者均仅供参考， 准确内容请以原站为准。内容版权归原作者所有，若认为侵权请联系我们下线。